caffe安装流程和遇到问题

来源：互联网发布：华为荣耀网络拒绝接入编辑：程序博客网时间：2024/06/05 08:28

之前caffe的安装简直让我怀疑人生，后来由于忙一直没有写下流程和重要问题的解决办法，这次由于在自家的电脑上配置caffe，顺便下写流程。

不多说，先上自家电脑配置，i5-4590和GTX1070

1.caffe安装依赖库

[plain] view plain copy
 print?
sudo apt-get install build-essential  # basic requirement  
sudo apt-get install libprotobuf-dev libleveldb-dev libsnappy-dev libopencv-dev libboost-all-dev libhdf5-serial-dev libgflags-dev libgoogle-glog-dev liblmdb-dev protobuf-compiler #required by caffe  

首先最好一个一个安装，其次这里有可能出现需要依赖库，以下依赖库将不被安装，解决方法是换软件源，我换了清华的源后立马就好了

2.安装CUDA

CUDA是英伟达的显卡并行计算语言，caffe需要来使用显卡

在离线.deb安装：deb安装分离线和在线，官网下载地址，推荐离线安装

切换到下载的deb所在目录，执行下边的命令

[plain] view plain copy
 print?
sudo dpkg -i cuda-repo-<distro>_<version>_<architecture>.deb  
sudo apt-get update  
sudo apt-get install cuda  

然后重启电脑：sudo reboot

3.cuDNN

这个是显卡计算加速的，可以不装，加速效果远没有GPU对CPU的加速来的多，而且安装还麻烦

下载cudnn-7.5-linux-x64-v5.0-ga.tgz，官网申请不到，网上自己找的，就不给地址了。

[plain] view plain copy
 print?
tar -zxvf cudnn-7.5-linux-x64-v5.0-ga.tgz  
cd cuda  
sudo cp lib/lib* /usr/local/cuda/lib64/  
sudo cp include/cudnn.h /usr/local/cuda/include/  

更新软连接

cd /usr/local/cuda/lib64/
sudo chmod +r libcudnn.so.5.0.5
sudo ln -sf libcudnn.so.5.0.5 libcudnn.so.5
sudo ln -sf libcudnn.so.5 libcudnn.so
sudo ldconfig

4，设置环境变量

在/etc/profile中添加CUDA环境变量

sudo gedit /etc/profile

[plain] view plain copy
 print?
PATH=/usr/local/cuda/bin:$PATH  
export PATH  

保存后, 执行下列命令, 使环境变量立即生效

[plain] view plain copy
 print?
source /etc/profile  

同时需要添加lib库路径：在 /etc/ld.so.conf.d/加入文件 cuda.conf, 内容如下

[plain] view plain copy
 print?
/usr/local/cuda/lib64  

保存后，执行下列命令使之立刻生效

[plain] view plain copy
 print?
sudo ldconfig  

5，安装CUDA SAMPLE

进入/usr/local/cuda/samples, 执行下列命令来build samples

[plain] view plain copy
 print?
sudo make all -j4  

整个过程大概10分钟左右, 全部编译完成后，进入 samples/bin/x86_64/linux/release, 运行deviceQuery

[plain] view plain copy
 print?
./deviceQuery  

如果出现显卡信息，则驱动及显卡安装成功：

[plain] view plain copy
 print?
./deviceQuery Starting...  
  
 CUDA Device Query (Runtime API) version (CUDART static linking)  
  
Detected 1 CUDA Capable device(s)  
  
Device 0: "GeForce GTX 670"  
  CUDA Driver Version / Runtime Version          6.5 / 6.5  
  CUDA Capability Major/Minor version number:    3.0  
  Total amount of global memory:                 4095 MBytes (4294246400 bytes)  
  ( 7) Multiprocessors, (192) CUDA Cores/MP:     1344 CUDA Cores  
  GPU Clock rate:                                1098 MHz (1.10 GHz)  
  Memory Clock rate:                             3105 Mhz  
  Memory Bus Width:                              256-bit  
  L2 Cache Size:                                 524288 bytes  
  Maximum Texture Dimension Size (x,y,z)         1D=(65536), 2D=(65536, 65536), 3D=(4096, 4096, 4096)  
  Maximum Layered 1D Texture Size, (num) layers  1D=(16384), 2048 layers  
  Maximum Layered 2D Texture Size, (num) layers  2D=(16384, 16384), 2048 layers  
  Total amount of constant memory:               65536 bytes  
  Total amount of shared memory per block:       49152 bytes  
  Total number of registers available per block: 65536  
  Warp size:                                     32  
  Maximum number of threads per multiprocessor:  2048  
  Maximum number of threads per block:           1024  
  Max dimension size of a thread block (x,y,z): (1024, 1024, 64)  
  Max dimension size of a grid size    (x,y,z): (2147483647, 65535, 65535)  
  Maximum memory pitch:                          2147483647 bytes  
  Texture alignment:                             512 bytes  
  Concurrent copy and kernel execution:          Yes with 1 copy engine(s)  
  Run time limit on kernels:                     Yes  
  Integrated GPU sharing Host Memory:            No  
  Support host page-locked memory mapping:       Yes  
  Alignment requirement for Surfaces:            Yes  
  Device has ECC support:                        Disabled  
  Device supports Unified Addressing (UVA):      Yes  
  Device PCI Bus ID / PCI location ID:           1 / 0  
  Compute Mode:  
     < Default (multiple host threads can use ::cudaSetDevice() with device simultaneously) >  
  
deviceQuery, CUDA Driver = CUDART, CUDA Driver Version = 6.5, CUDA Runtime Version = 6.5, NumDevs = 1, Device0 = GeForce GTX 670  
Result = PASS  

NOTE:上边的显卡信息是从别的地方拷过来的，我的GTX650显卡不是这些信息，如果没有这些信息，那肯定是安装不成功，找原因吧！

6，安装Intel MKL 或Atlas

我没有MKL，装的Atlas

安装命令：

[plain] view plain copy
 print?
sudo apt-get install libatlas-base-dev  

7，安装OpenCV

我是准备用caffe的python接口，OpenCV就没安装了

1）下载安装脚本

2）进入目录 Install-OpenCV/Ubuntu/2.4

3）执行脚本

[plain] view plain copy
 print?
sh sudo ./opencv2_4_10.sh   

8，安装Caffe所需要的Python环境

按caffe官网的推荐使用Anaconda

去Anaconda官网下载安装包
切换到文件所在目录，执行

[plain] view plain copy
 print?
bash Anaconda-2.3.0-Linux-x86_64.s<em>h</em>  

NOTE:后边的文件名按自己下的版本号更改，整个安装过程请选择默认

8.1，添加Anaconda Library Path

在/etc/ld.so.conf最后加入以下路径，并没有出现重启不能进入界面的问题(NOTE:下边的username要替换)

[plain] view plain copy
 print?
/home/username/anaconda/lib  

在~/.bashrc最后添加下边路径

[plain] view plain copy
 print?
export LD_LIBRARY_PATH="/home/username/anaconda/lib:$LD_LIBRARY_PATH"  

这里要注意下如果是安装的anaconda2，那么上面需要加上2

9，安装python依赖库
去caffe的github下载caffe源码包
进入caffe-master下的python目录

执行如下命令

[plain] view plain copy
 print?
for req in $(cat requirements.txt); do pip install $req; done  

10，编译Caffe

终于来到这里了

进入caffe-master目录，复制一份Makefile.config.examples

[plain] view plain copy
 print?
cp Makefile.config.example Makefile.config  

修改其中的一些路径，如果前边和我说的一致，都选默认路径的话，那么配置文件应该张这个样子

[plain] view plain copy
 print?
## Refer to http://caffe.berkeleyvision.org/installation.html  
# Contributions simplifying and improving our build system are welcome!  
  
# cuDNN acceleration switch (uncomment to build with cuDNN).  
USE_CUDNN := 1  
  
# CPU-only switch (uncomment to build without GPU support).  
# CPU_ONLY := 1  
  
# To customize your choice of compiler, uncomment and set the following.  
# N.B. the default for Linux is g++ and the default for OSX is clang++  
# CUSTOM_CXX := g++  
  
# CUDA directory contains bin/ and lib/ directories that we need.  
CUDA_DIR := /usr/local/cuda  
# On Ubuntu 14.04, if cuda tools are installed via  
# "sudo apt-get install nvidia-cuda-toolkit" then use this instead:  
# CUDA_DIR := /usr  
  
# CUDA architecture setting: going with all of them.  
# For CUDA < 6.0, comment the *_50 lines for compatibility.  
CUDA_ARCH := -gencode arch=compute_20,code=sm_20 \  
        -gencode arch=compute_20,code=sm_21 \  
        -gencode arch=compute_30,code=sm_30 \  
        -gencode arch=compute_35,code=sm_35 \  
        -gencode arch=compute_50,code=sm_50 \  
        -gencode arch=compute_50,code=compute_50  
  
# BLAS choice:  
# atlas for ATLAS (default)  
# mkl for MKL  
# open for OpenBlas  
BLAS := atlas  
# Custom (MKL/ATLAS/OpenBLAS) include and lib directories.  
# Leave commented to accept the defaults for your choice of BLAS  
# (which should work)!  
# BLAS_INCLUDE := /path/to/your/blas  
# BLAS_LIB := /path/to/your/blas  
  
# Homebrew puts openblas in a directory that is not on the standard search path  
# BLAS_INCLUDE := $(shell brew --prefix openblas)/include  
# BLAS_LIB := $(shell brew --prefix openblas)/lib  
  
# This is required only if you will compile the matlab interface.  
# MATLAB directory should contain the mex binary in /bin.  
# MATLAB_DIR := /usr/local  
# MATLAB_DIR := /Applications/MATLAB_R2012b.app  
  
# NOTE: this is required only if you will compile the python interface.  
# We need to be able to find Python.h and numpy/arrayobject.h.  
#PYTHON_INCLUDE := /usr/include/python2.7 \  
        /usr/lib/python2.7/dist-packages/numpy/core/include  
# Anaconda Python distribution is quite popular. Include path:  
# Verify anaconda location, sometimes it's in root.  
 ANACONDA_HOME := $(HOME)/anaconda  
 PYTHON_INCLUDE := $(ANACONDA_HOME)/include \  
         $(ANACONDA_HOME)/include/python2.7 \  
         $(ANACONDA_HOME)/lib/python2.7/site-packages/numpy/core/include \  
  
# We need to be able to find libpythonX.X.so or .dylib.  
#PYTHON_LIB := /usr/lib  
PYTHON_LIB := $(ANACONDA_HOME)/lib  
  
# Homebrew installs numpy in a non standard path (keg only)  
# PYTHON_INCLUDE += $(dir $(shell python -c 'import numpy.core; print(numpy.core.__file__)'))/include  
# PYTHON_LIB += $(shell brew --prefix numpy)/lib  
  
# Uncomment to support layers written in Python (will link against Python libs)  
# WITH_PYTHON_LAYER := 1  
  
# Whatever else you find you need goes here.  
INCLUDE_DIRS := $(PYTHON_INCLUDE) /usr/local/include  
LIBRARY_DIRS := $(PYTHON_LIB) /usr/local/lib /usr/lib  
  
# If Homebrew is installed at a non standard location (for example your home directory) and you use it for general dependencies  
# INCLUDE_DIRS += $(shell brew --prefix)/include  
# LIBRARY_DIRS += $(shell brew --prefix)/lib  
  
# Uncomment to use `pkg-config` to specify OpenCV library paths.  
# (Usually not necessary -- OpenCV libraries are normally installed in one of the above $LIBRARY_DIRS.)  
# USE_PKG_CONFIG := 1  
  
BUILD_DIR := build  
DISTRIBUTE_DIR := distribute  
  
# Uncomment for debugging. Does not work on OSX due to https://github.com/BVLC/caffe/issues/171  
# DEBUG := 1  
  
# The ID of the GPU that 'make runtest' will use to run unit tests.  
TEST_GPUID := 0  
  
# enable pretty build (comment to see full commands)  
Q ?= @  

需要注意的是第5行，没装cuDNN的需要注释，57,58行默认的有注释符，需要去掉
保存退出

编译

[plain] view plain copy
 print?
make all -j4  
make test  
make runtest  

编译这边有很多问题，如果出现未定义的引用，偶然发现一个方法很好，就是在make all前面加sudo，原因不知道有谁可以解释下，权限不够为什么会导致未定义的引用

11，编译Python wrapper

[plain] view plain copy
 print?
make  pycaffe  

pycaffe的编译需要在/.bashrc中增加export PYTHONPATH = “/home/username/caffe-master/python:$PYTHONPATH”

然后source ~/.bashrc

这是在bash中，如果需要在IDE中，比如spyder或者pycharm，在其环境变量文件中添加caffe-master/python的目录即可

0 0